|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (oponent) ; Kolář, Martin (vedoucí práce)
The aim of this thesis is to generate optical imagery in case of its unavailability. Optical and radar data from the past are used to generate such images. The main application field of this thesis is agriculture, where countless vegetation indexes can be used. In this thesis, for simplicity, only NDVI is utilized. Four datasets were created, each for the first three seasons of the year and the fourth that connects them all. As a solution for an image to image translation, Pix2Pix-cGAN was chosen. The results show the differences in the use of these datasets, between the different amounts and types of used pictures, as well as the interval adjustments between pictures. Our research found that the network is capable of creating plausible imagery with valid numerical values, but struggles to correctly utilize the information about the radar difference, which is important in order to evaluate plant development mainly when the optical imagery is unavailable. This thesis and its results are unique due to the geographically diverse dataset across Europe and the focus on agriculture, regardless of crop type.
|
|
|
Fusion of Radar and Visual Data for Remote Sensing
Strych, Tomáš ; Beran, Vítězslav (oponent) ; Kolář, Martin (vedoucí práce)
The aim of this thesis is to generate optical imagery in case of its unavailability. Optical and radar data from the past are used to generate such images. The main application field of this thesis is agriculture, where countless vegetation indexes can be used. In this thesis, for simplicity, only NDVI is utilized. Four datasets were created, each for the first three seasons of the year and the fourth that connects them all. As a solution for an image to image translation, Pix2Pix-cGAN was chosen. The results show the differences in the use of these datasets, between the different amounts and types of used pictures, as well as the interval adjustments between pictures. Our research found that the network is capable of creating plausible imagery with valid numerical values, but struggles to correctly utilize the information about the radar difference, which is important in order to evaluate plant development mainly when the optical imagery is unavailable. This thesis and its results are unique due to the geographically diverse dataset across Europe and the focus on agriculture, regardless of crop type.
|
|
|
Evaluation of methods and input data for land cover classification: case study of the former military areas Ralsko and Brdy
Paluba, Daniel ; Štych, Přemysl (vedoucí práce) ; Brom, Jakub (oponent)
Využitie dát diaľkového prieskumu Zeme (DPZ) na mapovanie krajinnej pokrývky upútalo pozornosť širokej škály vedeckých výskumníkov a praktikov v posledných desaťročiach. Vplyv na zvýšenie záujmu o DPZ malo hlavne otvorenie archívu dát družíc Landsat a Sentinel. Hlavným cieľom tejto štúdie je vyhodnotiť presnosť bežne využívaných algoritmov Maximum Likelihood (ML) a Support Vector Machine (SVM) nad voľne dostupnými dátami Landsat 8 a Sentinel-2 na príklade území bývalých vojenských obvodov Ralsko a Brdy, ktoré prešli špecifickým vývojom krajinnej pokrývky. Štúdia hodnotí krajinnú pokrývku v oboch záujmových územiach k roku 2016 a na základe dosiahnutých výsledkov poukazuje na použiteľnosť vybraných dát a metód. Dosiahnuté výsledky klasifikácií krajinnej pokrývky dosahovali uspokojivé výsledky - celkové presnosti boli vyššie ako 85 %. Na základe očakávania, algoritmus SVM celkovou presnosťou prekonal algoritmus ML. Najlepšie presnosti klasifikácie dosahovali triedy vodných plôch a ihličnatých lesov, naopak, najviac chýb generovali triedy zastavané plochy, riedka vegetácia a plochy bez vegetácie. Kľúčové slová: diaľkový prieskum Zeme, Support Vector Machine, Maximum Likelihood, Česko, Sentinel-2, Landsat 8
|
|
|
Porovnání mapování NATURA 2000 s výstupy mapování pomocí dálkového průzkumu Země na příkladu krkonošské tundry
Ondrušková, Kateřina ; Kupková, Lucie (vedoucí práce) ; Červená, Lucie (oponent)
Porovnání mapování NATURA 2000 s výstupy mapování pomocí dálkového průzkumu Země na příkladu krkonošské tundry Abstrakt Bakalářská práce je zaměřena na porovnání mapování NATURA 2000 s výsledky klasifikace družicových snímků Landsat 8 a WorldView-2 s různým prostorovým rozlišením na příkladu krkonošské tundry. Snímky byly klasifikovány s využitím řízené klasifikace pomocí klasifikátoru Maximum Likelihood a neřízené klasifikace pomocí algoritmu ISODATA. Cílem práce bylo zjistit, jaké kategorie mapování Natura 2000 lze detekovat z družicových dat. Pro všechny klasifikace byla použita upravená legenda Natura 2000 na dvou úrovních. Nejlepších výsledků bylo pro oba snímky dosaženo neřízenou klasifikací na 1. úrovni legendy - celková přesnost pro snímek Landsat 8 byla 64,1 % a pro snímek World-View-2 67,16 %. Pro klasifikace byl použit software ENVI 5.1. Klíčová slova: dálkový průzkum Země, klasifikace řízená, klasifikace neřízená, legenda, přesnost klasifikace, mapování NATURA
|
host ::
RSS.